继续请教问题:关于 Pytorch 的 Autograd

雷达

7 a. O4 O  z% S5 L' E为预防老年痴呆，时不时学点新东东玩一玩。
( `' @! Q1 a0 DPytorch 下面的代码做最简单的一元线性回归：
: @0 [: c( b' w& {+ D9 D5 |' {2 y----------------------------------------------
  S) y3 G& q. z* S+ F3 k- d' Rimport torch
import numpy as np
/ y5 v9 M- X, L3 V- H, \& L! Gimport matplotlib.pyplot as plt
1 A1 h) D3 R$ i, p' |; m* ~! L' A- Mimport random
* B# d8 I9 h3 h' J! U; z
3 l) m  z8 `# s- Tx = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
$ k1 b2 ~# i) Kb = torch.tensor(0.,requires_grad=True)

epochs = 100
% z; D1 j# T2 M, _* y/ m$ h1 E
& b5 G- M3 B( M3 [& M) o1 |0 D! Wlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

7 V& B! U- p  d* F  loss = torch.square(y_pred - y).mean()   #计算 loss
) X9 d+ g3 B" x5 e  losses.append(loss)
+ B; E0 S4 y8 R1 r' _- y  
  loss.backward() # autograd
  with torch.no_grad():
# U- `# A6 z. c+ a; `    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
8 Q6 U8 P! A8 p0 N5 b
print(w.item(),b.item()) #结果
/ k  F" ]3 X6 V: a/ x% ~
Output： 27.26387596130371  0.4974517822265625
& g- ?8 B6 C3 z7 L' _----------------------------------------------
, `* E( j& H& @4 e. F/ K最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
, l4 e7 z" K/ g" w2 a, `. H5 d4 U高手们帮看看是神马原因？
, I; L6 G  I. c5 D; |/ m6 e" Y

老福

8 [7 R. {: }3 H8 f, }& [没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
/ k2 [& V8 A' [8 e# y9 @  e! g-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
# B4 w3 M5 a. w) B算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
1 X6 k1 c# I5 q6 [, Q; F) F6 c0 Y没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
9 A( c6 \3 ]1 \; O, k8 \不好意思， ...

6 Q/ Z" P- i# L0 `" H; A! C谢谢，算法应该没问题，就是最简单的线性回归。
, V/ c; t  z4 I# u; s) m# o; s# \我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
  y8 B6 P8 Y+ W  `我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

8 l7 P0 |! G' {1 C
" \$ `/ b. K3 l- [3 R& b刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
4 i1 [0 V$ ^+ i' H
: c! h5 h" L4 y) v  o2 j( T% k) N% v或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
8 ?, t2 o/ r! i
或者把b但的起点改为1试试。 ...

  @) A2 n' }* u4 ~2 g
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

. z$ F+ R1 v2 R* A, b7 c循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
$ x2 {/ y: g% o7 |0 M7 q2 g9 l' Y% ^
* h2 h5 ^) G2 N- E: {: w- V和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。